关于MMrotate踩坑记录(ValueError:need at least one array to cancatenate)

本文为笔者自己遇到过的MMrotate踩坑记录!好记性不如烂笔头,所以笔者决定将之记录下来,若是读者看了这篇文章,有其他想法可以留言与我交流!

---------------------------------------------------------------------------------------------------------------------------------

前几天开始入手MMrotate,在github上下载了master,随后按照教程把环境都配置好了,并且demo也跑通。如下图:

在这里,很多小伙伴找不到权重文件链接,大家可以在这里下载:

https://download.openmmlab.com/mmrotate/v0.1.0/oriented_rcnn/oriented_rcnn_r50_fpn_fp16_1x_dota_le90/oriented_rcnn_r50_fpn_fp16_1x_dota_le90-57c88621.pth

记住:首要任务是把demo跑通,确保环境没问题!这一点至关重要!

随后,就可以加载数据集进行训练了!

我在这里遇到这个问题:


 

这个问题我搜了两天,首先能够确定的一点是:他一定是你的数据集有问题(路径、标签文件等等等等)。如果是mmdetection的话,可能是json标签文件或者几个.py文件的num_class没有修改。这里我说一下我的问题,笔者是MMrotate,首先,数据集在路径最开始设置的是相对路径,但是报这个错了(这一点我很无奈,因为我之前在mmdetection就是这么设置的),到最后,我设置成绝对路径了。如下图:

 

随后,下面路径加载,大家一定要注意test的标签路径,如下图:

 

以上完成后,终于可以顺利train了!

当然,这只是第一步了,顺利train后还需要搞懂代码以及学会自己修改!加油!!! 

  • 4
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
Transformer发轫于NLP(自然语言处理),并跨界应用到CV(计算机视觉)领域。 Swin Transformer是基于Transformer的计算机视觉骨干网,在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV 2021顶会最佳论文奖。本课程将手把手地教大家使用labelme标注和使用Swin Transformer训练自己的数据集进行图片和视频的实例分割。  本课程将介绍Transformer及在CV领域的应用、Swin Transformer的原理。 本课程以汽车驾驶场景图片和视频开展项目实践:对汽车行驶场景中的路、车、车道线进行物体标注和实例分割。  课程在Windows和Ubuntu系统上分别做项目演示。包括:安装软件环境、安装Pytorch、安装Swin-Transformer-Object-Detection、标注自己的数据集、准备自己的数据集、数据集格式转换(Python脚本完成)、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计、日志分析。  本课程提供项目的数据集和相关Python程序文件。相关课程: 《Transformer原理与代码精讲(PyTorch)》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲(TensorFlow)》https://edu.csdn.net/course/detail/36699《ViT(Vision Transformer)原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测:训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割:训练自己的数据集》https://edu.csdn.net/course/detail/36586《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045
评论 12
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值